零售连锁企业物流配送路径优化方法

李艳淇 邓超

[摘要]以某零售连锁公司武汉区域的配送网络为研究对象，通过二次指数平滑法预测该公司未来十年日需求量的数据基础上，基于VRP模型并运用LINGO软件进行求解，提出配送路径优化方案。最后将优化前后的配送路径进行对比分析，证明优化后的配送路径能够提高该公司的配送效益。

[关键词]零售连锁企业;物流配送;路径优化

[中图分类号]F252.14     [文献标识码]A[文章编号]1005-152X（2022）03-0086-04

Method of Logistics Distribution Route Optimization for Chain Retail Enterprises

LI Yanqi， DENG Chao

（School of Automotive & Traffic Engineering， Wuhan University of Science & Technology， Wuhan 430081， China）

Abstract： Taking the distribution network of a certain chain retail company in the Wuhan area as the research object， we predicted the figures of the company's daily demand for the next decade using the quadratic exponential smoothing method， then built the VRP model and solved it using the LINGO software， and proposed the optimal distribution route. Finally， we compared the distribution routes before and after the optimization to prove that the optimized distribution route can improve the distribution efficiency of the company.

Keywords： chain retail enterprise; logistics distribution; route optimization

0 引言

部分發达国家的零售连锁业发展迅猛，除了消费水平、经营模式和结构、管理模式和科学技术因素外，还取决于完备的商品物流配送体系和全社会共同工作。Andrei，等[1]提出了一种新方法来解决集群车辆路径问题，寻找一组车辆在成本最小化情况下的最优路径集合;Perez-Rodriguez，等[2]通过分布估计演算法解决了有时间窗的车辆路径问题，为此类问题提供了参考;Zulvia F，等[3]提出了绿色车辆路径问题，利用多目标梯度进化算法解决考虑了时间窗、高峰时段和非高峰时段的不同运输时间和配送时间的车辆路径问题，提高了生鲜易腐等产品的配送效率。

而今，我国的物流配送体系虽然与世界顶尖连锁零售企业相比还相差甚远，但是近几年我国连锁零售企业的配送网络也在不断优化。李玉瑾[4]运用层次分析法（AHP）和节约里程法（CW）对中央红连锁超市进行物流配送路径优化模型构建，使该超市的运营效益得到了有效提高;王钰祥，等[5]针对连锁超市生鲜产品的配送问题构建VRP模型，通过扫描算法并以某代表案例为基础，得到配送路径的优化方案;吴竞鸿[6]以某连锁超市上海区域为研究对象，建立了VRP模型，运用蚁群优化算法并借助MATLAB软件进行模型求解，最后经过比较分析认为优化后的配送路径方案可提高产品配送效率。

总而言之，合理的物流配送体系对我国连锁零售企业发展的重要性不言而喻，而其中最关键的是针对企业的发展情况对配送网络进行更新优化。因此，优化物流配送路径是零售连锁企业配送网络体系建设的必要之举。

1 配送路径优化概述及零售连锁业配送网络的特点

配送路径优化[8-10]是指在原有的配送路径基础上，由一辆或多辆货车将一个或多个配送中心的货物送到单个或多个需求点再返回到配送中心，在为需求点提供配送服务的同时，综合考虑配送中心到各个需求点间的距离、车辆数目、需求量以及车辆的载货量，合理规划车辆的配送路线，完成配送任务，实现配送成本最低、配送时间最短、车辆载货率最高、配送路径最短等目标。

零售连锁企业以配送为中心，集中采购、统一配送、高效率地将产品送到各个连锁门店。其配送网络具有以下特点：

（1）按订单要求集成化统一配送，提高了运输效率和服务水平;

（2）物流活动聚集，减少了企业运营成本;

（3）仓库管理集中，货物周转的速度快。

2 基于VRP模型的物流配送路径优化

2.1 VRP数学模型

2.1.1 基本假设和约束条件

（1）计划区只有一个配送中心且位置确定;

（2）零售店的位置、数量和需求量已知，并且每个零售店只能由一辆车服务;

（3）配送中心只有一种车型并且车辆载重量已知，每条配送路径的需求量之和不能超过车辆载重量，且使用的车辆数达到最少;

（4）从配送中心发车，服务完全部的门店后再返回配送中心。

2.1.2 目标函数与决策变量。目标函数为求总运输成本最小，因此可以用式（1）表示：

xij—决策变量，（i，j∈K，K为配送中心和门店的集合），表示车辆是否从节点i向节点j提供服务，是为1，否则为0。

车辆从节点i到达过节点j，则其货物装载量不能超过车辆的额定装载量C，如果没有到达过则装载量为0，其约束条件为：

2.2 企业案例分析

L公司创立于2006年，是典型的零售连锁企业，公司十余年来深耕华中地区，遍布全国。L公司的总部设立于武汉市，本文特选取了L公司在武汉地区的零售门店配送网络为研究对象。由于原有的门店配送路径已经不符合L公司日愈增长的商品需求量，所以本次研究主要是通過二次指数平滑法预测各个门店未来十年的平均日需求量，基于此对配送中心到各个门店的路径进行优化，从而达到减少配送成本的目的。假设其配送中心编号为0，各个零售门店的编号为1-8，相关数据见表1和表2。

由网络调研得到的资料可知，武汉地区的配送中心一般调用7辆货车来配送零售门店每日的需求量，配送中心发出车辆的额定装载量为6t，来回行驶里程不超过90km，每辆货车的出车成本为180元/次，运输费用为8元/km，每辆车负责一条运输路径。针对各个门店未来十年的平均日需求量，利用原有的配送路径进行循环配送，见表3。

第一条配送路线（0-1-0）：武汉配送中心-黄陂四店-武汉配送中心;

第二条配送路线（0-2-0）：武汉配送中心-武昌火车站店-武汉配送中心;

第三条配送路线（0-3-0）：武汉配送中心-吉庆街店-武汉配送中心;

第四条配送路线（0-4-8-0）：武汉配送中心-硚口法院店-蔡甸广场店-武汉配送中心;

第五条配送路线（0-5-0）：武汉配送中心-江夏梦想城店-武汉配送中心;

第六条配送路线（0-6-0）：武汉配送中心-东湖景园店-武汉配送中心;

第七条配送路线（0-7-0）：武汉配送中心-钟家村二店-武汉配送中心。

由表3可知，L公司武汉地区原有的物流配送体系已经不能满足未来商品需求量增长的需求，其存在的问题总结如下：

（1）物流配送成本过高。由于 L公司的门店较多，物流配送网络没有根据商品订单量增加而进行配送体系的优化，导致物流和运输分配不及时，司机往往按照就近原则的经验进行物流配送等，造成公司的物流运输成本过高。

（2）配送网络中的配送路线不合理。武汉区域的配送中心与门店布局过于分散，没有形成固定的配送路线，容易造成运输路线重复，从而增加了配送成本。

（3）货车的载货率低。由表3 可知，L公司武汉区域七条配送路线的载货率分别是58.33%、88.33%、90%、76.67%、50%、78.33%、61.67%，车辆的货物配载率没有得到合理的分配，一些配送路线浪费了货车的车厢体积，使得货物的周转率降低，增加了物流配送成本。

本次模型求解方法是将二次指数平滑法所预测的各个门店未来十年平均日需求量（表1）和距离矩阵（表2）导入LINGO软件中，由此求出武汉地区配送中心到各个门店配送路线的最优方案。经过LINGO 软件的运行优化之后，可知优化后的配送路线由七条优化成六条，见表4。

将原有的配送路线和优化后的配送路线进行对比分析，结果见表5。从表5可以看出：

（1）货车的行驶里程数缩短。L公司武汉区域的配送路线由七条减少为六条，配送路径优化前的行驶里程数为429.4km，优化后的配送行驶里程数是399km，减少了30.4km。由此可知，运用LINGO软件优化配送路径可以解决优化前配送网络行驶里程数较多的问题，使得武汉区域整个配送网络的效率有所提高。

（2）使用车辆规模有所减少。L公司武汉区域在配送路径优化前使用的车辆数目是7辆，优化后减少了 1辆车，降低了配送成本。

（3）货车的平均载货率降低。经过配送路径优化后，货车的平均载货率由71.904%提高到83.887%，降低了车辆运输空载率，同时也能将商品及时地送达各个门店，提高了货物的周转率。

（4）货物运输成本减少。经过优化计算，L公司武汉区域配送网络每天的运输成本由4695.2元减少为4272元，优化后的配送总成本显著降低。配送路线的优化不仅提高了配送效率，也使L公司的效益大大增加了。

3 结语

本文结合L公司武汉配送区域的产品未来需求量，对配送中心到各个门店的配送路径进行优化。通过对比分析发现，优化后的配送方案由七条配送路线减少为六条配送路线，且车辆的行驶里程数和使用数量都有所降低，平均载货率也得到了提高，减少物流配送成本的同时也大大增加了该公司的运营效益。由此可知，预测未来的产品需求量并进行配送路径优化对于零售连锁企业的发展具有重要意义。

[参考文献]

[1] ANDREI HORVAT-MARC，LEVENTEFUKSZ，etal.A de- composition-based method for solving the clustered vehicle routing problem[J].Logic Journal of the IGPL，2018，26（1）：83-95.

[2] PEREZ- RODRIGUEZ R，HERNANDEZ- AGUIRRE A.A hybrid estimation of distribution algorithm for the vehicle routing problem with time windows[J].Computers&Industri- al Engineering，2019，130（4）：75-96.

[3] ZULVIA F E，KUO R J，NUGROHO D Y.A many-objectivegradient evolution algorithm for solving a green vehicle routing problem with time windows and time dependency for perishable products[J].Journal of Cleaner Production， 2020，242（6）：37-54.

[4] 李玉瑾.中央红连锁超市物流配送路径优化问题及方法研究[D].哈尔滨：哈尔滨理工大学，2015.

[5] 王钰祥，孙琪.基于扫描法的连锁超市生鲜配送路径优化[J].中国商论，2016，18（7）：1-2.

[6] 吴竞鸿.零售企业物流配送路径优化问题实证研究[J].安徽商贸职业技术学院学报，2019，18（4）：20-25.

[7] 范存军.我国连锁零售企业物流配送现状及发展对策研究[D].成都：西南交通大学，2006.

[8] 徐丽蕊.城市配送TSP 问题的LINGO求解[J].电子设计工程，2015，21（22）：52-54.

[9] 叶素琴.我国连锁零售企业物流配送模式研究[D].上海：同济大学，2008.

[10]郎茂祥.基于遗传算法的物流配送路径优化问题研究[J].中国公路学报，2002，15（3）：78-81.